Vertiefungskurs Mathematik - Statistik und Wahrscheinlichkeitsrechnung

Der "Vertiefungskurs Mathematik – Statistik und Wahrscheinlichkeitsrechnung" vermittelt den Studierenden vertiefende Kenntnisse zu Statistik und Wahrscheinlichkeitsrechnung und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die Theorie der Integralrechnung und den Grundlagen der elementaren Wahrscheinlichkeitsrechnung und Statistik. Zusätzlich sind die Studierenden nach Abschluss des Kurses geübt im Umgang mit Zufallsstichproben, Schätzverfahren für Parameter und Hypothesentests. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Integralrechnung

• Grundlagen der Wahrscheinlichkeitsrechnung (Teil 1)
• Online-Seminar zu Übungsblatt "Integralrechnung"

• Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 1)"

• Statistik
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)"

• Online-Seminar zu Übungsblatt "Statistik"

Data & Process Mining

Die Teilnehmer erhalten fundierte Einblicke in grundlegende Methoden, Verfahren und Konzepte des Data und Process Mining. Sie können diese, unterstützt durch Softwarewerkzeuge, auf gegebene Aufgabenstellungen anwenden und ihre Analyseergebnisse angemessen präsentieren und visualisieren.  

Präsenztermine:

• Donnerstag, 28. Mai 2026, 09:00 - 17:00 Uhr
• Freitag, 29. Mai 2026, 09:00 - 17:00 Uhr
• Donnerstag, 2. Juli 2026, 09:00 - 17:00 Uhr
• Freitag, 3. Juli 2026, 09:00 - 17:00 Uhr

Mathematische Optimierung betrieblicher Prozesse

Welche Produkte in welchem Umfang soll ein Unternehmen wann produzieren, um gleichzeitig die Nachfrage zu befriedigen, die Produktionskapazitäten auszunutzen und den vorhandenen Lagerplatz einzuhalten? Wann soll welcher Produktionsauftrag auf welcher Maschine einer Fabrik ausgeführt werden, um die Produktionslinien optimal auszulasten? Wie sollten die unterschiedlich qualifizierten Mitarbeiter einer Beratung auf die anstehenden Projekte verteilt werden, um diese effizient zu bewältigen? Dies sind gängige Probleme, die oftmals im Firmenalltag von erfahrenen Planern von Hand gelöst werden. Die Komplexität dieser Probleme steigt jedoch gewöhnlich exponentiell, sodass die händische Planung langwierig wird und nur suboptimale Lösungen liefert. Hier setzt mathematische Optimierung an. Sie lernen in diesem Kurs, welche Möglichkeiten es gibt, Produktionsprozesse und Ressourceneinteilungen mathematisch zu modellieren, und welche Algorithmen geeignet sind, diese zu optimieren. Anhand realitätsnaher Beispiele werden Sie unter Einsatz von Python üben, die Theorie in Praxis umzusetzen.

Präsenztermine:

• Samstag, 16. Mai 2026, 09:30 - 17:30 Uhr
• Samstag, 13. Juni 2026, 09:30 - 17:30 Uhr
• Samstag, 11. Juli 2026, 09:30 - 17:30 Uhr

Angewandte Statistik und prädiktive Methoden

Das Modul vermittelt Grundlagen statistischer Data Science. Dazu führt das Modul kurz in Grundbegriffe der Statistik wie Konfidenzintervalle und Hypothesentests ein und diskutiert anschließend lineare Modelle und die logistische Regression. Im weiteren Teil lernen Sie Methoden der angewandten Statistik kennen, die notwendig sind, um Prädiktionsmodelle unter statistischer Unsicherheit zu entwickeln und diese zu bewerten.

Präsenztermine:

• Freitag, 15. Mai 2026, 09:00 - 17:00 Uhr
• Freitag, 19. Juni 2026, 09:00 - 17:00 Uhr
• Freitag, 17. Juli 2026, 09:00 - 17:00 Uhr

Business Process Management

In diesem Modul lernen Teilnehmer, Geschäftsprozesse auf fachlicher Ebene zu analysieren, modellieren und optimieren. Ferner erhalten sie fundierte Einblicke in deren digitale Transformation und Automation mittels prozessorientierten Informationssystemen. Sie können die für die Realisierung prozessorientierter Informationssysteme bestehenden Anforderungen benennen sowie wesentliche Charakteristika, Kompo­nenten und Funktionen solcher Informations­systeme beschreiben und in einer Gesamtarchitektur einordnen.

Präsenztermine:

• Donnerstag, 26. November 2026, 09:00 - 17:00 Uhr
• Freitag, 27. November 2026, 09:00 - 17:00 Uhr
• Donnerstag, 28. Januar 2027, 09:00 - 17:00 Uhr
• Freitag, 29. Januar 2027, 09:00 - 17:00 Uhr

Vertiefungskurs Mathematik - Differentialgleichungen, Taylorentwicklung und Integraltransformation

Der "Vertiefungskurs Mathematik – Differentialgleichungen, Taylorentwicklung und Integraltransformation" vermittelt den Studierenden vertiefende Kenntnisse zu Differentialgleichungen, Taylorentwicklung und Integraltransformation und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die Theorien der Taylorentwicklung und Taylorreihen, der Integraltransformation und der Integralrechnung. Zusätzlich sind die Studierenden nach Abschluss in der Lage, gegebene Differentialgleichungen zu charakterisieren und in Spezialfällen deren Lösung zu berechnen. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Taylorentwicklung und Taylorreihen

• Integralrechnung
• Online-Seminar zu Übungsblatt "Taylorentwicklung & Taylorreihen"

• Integraltransformation
• Online-Seminar zu Übungsblatt "Integralrechnung"

• Gewöhnliche Differentialgleichungen
• Online-Seminar zu Übungsblatt "Integraltransformationen"

• Online-Seminar zu Übungsblatt "Gewöhnliche Differentialgleichungen"

Big (Social) Data Analytics - Methoden und Anwendungen

Heutzutage stehen Unternehmen enorme Datenmengen bspw. aus Online Social Networks zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial, bspw. in den Bereichen Produktentwicklung, Marketing und Customer Relationship Management. Im Modul „Big (Social) Data Analytics“ werden hierfür zentrale Methoden vermittelt und fallstudienbasiert illustriert.

Präsenztermine:

• Donnerstag, 21. Mai 2026, 09:00 - 17:00 Uhr
• Freitag, 22. Mai 2026, 09:00 - 17:00 Uhr
• Donnerstag, 9. Juli 2026, 09:00 - 17:00 Uhr
• Freitag, 10. Juli 2026, 09:00 - 17:00 Uhr

Stochastische Modellierung und Simulation

Im Modul „Stochastische Modellierung und Simulation“ werden die zentralen Begriffe, Zusammenhänge und Methoden der Stochastik intuitiv eingeführt und anhand zahlreicher Beispiele illustriert. Praxisnahe Übungen, die von den Studierenden selbstständig bearbeitet und zu den Präsenzterminen gemeinsam mit dem Mentor besprochen werden, sollen ein tieferes Verständnis für die vermittelte Thematik schaffen. Die in diesem Modul gelehrten Inhalten bilden nicht nur die Grundlage für weitere mathematische Module, insbesondere „Angewandte Statistik und prädiktive Methoden“, sondern werden auch in den meisten Modulen der Bereiche Wirtschaftswissenschaften und Informatik als zentrale Bestandteile wieder aufgegriffen.

Präsenztermine:

• Freitag, 6. November 2026, 09:00 - 17:00 Uhr
• Freitag, 11. Dezember 2026, 09:00 - 17:00 Uhr
• Freitag, 15. Januar 2027, 09:00 - 17:00 Uhr
• Freitag, 12. Februar 2027, 09:00 - 17:00 Uhr